酱油总酸含量是其重要卫生指标,氨基酸态氮含量是其重要的质量等级指标,而抗氧化能力是评价其营养价值的重要指标。常规品质指标检测手段具有费时、费力及污染等缺点,不适于实时、在线检测分析。近红外光谱分析技术具有快速、无破坏性、无污染,及多组分同时检测的优点,在食品、农产品品质检测方面发挥着越来越重要的作用,并显示了较好地应用前景。因此,研究以老抽酱油为研究对象,开展了近红外光谱技术在酱油的总酸、氨基酸态氮含量及抗氧化能力中的评价研究。首先,通过运用不同光谱预处理方法优化PLS模型,以确定最佳的光谱预处理方法用于最终模型的建立;然后,引入特征谱区及波长筛选方法解决光谱信息冗余问题,优选了最佳变量,提高了校正模型的预测精度和稳健性;最后,结合不同的非线性手段构建酱油抗氧化能力的评价模型。本论文主要工作及结论如下:　　 (1)光谱预处理方法在校正模型优化中的研究。通过运用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(1stDerivative)和二阶导数(2ndDerivative)等4种不同的光谱预处理方法,分别对酱油的原始近红外光谱进行预处理,建立酱油总酸、氨基酸态氮含量及抗氧化能力的PLS校正分析模型;在模型建立过程中,依据全局交互验证均方根误差值最小的原则,选取建模所需的最佳主成分因子数。试验结果显示,在分析酱油总酸、氨基酸态氮含量及抗氧化能力品质指标时,最佳光谱预处理方法均为SNV;最终模型的最佳主成分因子数分别为4、7、4;模型预测集相关系数Rp分别为0.9170、0.9141和0.8866。试验结果表明,选择合适的光谱预处理方法和最佳的主成分因子数建立校正模型可以很好地预测酱油的品质指标,为酱油多品质指标的快速、实时、在线检测提供了有效的新方法。　　 (2)特征谱区或波长筛选法在近红外光谱检测酱油氨基酸态氮含量中的研究。酱油的近红外光谱中存在光谱信息重叠的问题,影响校正模型的预测性能和稳健性。本研究尝试应用特征谱区及波长筛选法结合PLS法来建立酱油氨基酸态氮含量的预测模型,以提高校J下模型的预测能力和稳定性。试验采用区间偏最小二乘(iPLS)、联合区间偏最小二乘(Si-PLS)、遗传偏最小二乘(GA-PLS)和遗传联合区间偏最小二乘(GA-Si-PLS)等4种特征谱区或波长筛选方法优化模型,并比较各模型的预测性能。试验结果显示,氨基酸态氮的最佳校正模型为GA-Si-PLS模型,该模型特征变量数为64,预测集相关系数为0.9988。试验结果表明,利用特征谱区或波长筛选方法优化模型,不仅提高了模型预测能力,并且降低了模型的复杂度,很好地解决了光谱信息冗余的问题。　　 (3)非线性模型在近红外光谱评价酱油抗氧化能力中的研究。酱油的抗氧化能力是多种物质综合表现的结果,与近红外光谱之间存在非线性关系。为解决光谱信息冗余问题,研究首先应用Si-PLS优选最能表现酱油抗氧化能力的光谱区间;然后建立酱油的抗氧化能力最优近红外光谱区域的BPANN和KPLS非线性模型,简称为Si-BPANN和Si-KPLS模型,并与全光谱模型结果相比较;最后运用APaRPs法结合RunsTest对酱油的全近红外光谱数据及最优光谱数据与酱油抗氧化能力之间的线性度关系做出判断。试验结果表明,建立在最优光谱区间的模型结果要优于全光谱模型,非线性模型的预测能力要优于线性模型,且Si-BPANN模型的预测结果最佳,预测集的相关系数为0.9884。研究结果为酱油品质指标分析提供了一种新的建模方法,对酱油的营养价值评价具有重要意义。　　 综上所述,本文系统研究了在建立近红外光谱定量分析酱油品质的模型过程中,光谱预处理法、特征谱区及波长筛选法及线性或非线性手段对模型结果的影响,旨在建立和完善评价酱油多品质的近红外光谱检测方法,研究成果对酱油品质的综合检测具有重要的现实意义,为开发拥有自主知识产权的酱油及其它食品农产品的品质指标近红外快速检测装备提供理论基础和方法借鉴。